Wenn die Kennzahl zum Ziel wird (7/x)
Wie Messung Fortschritt sichtbar macht – und unser Handeln verfälschen kann
Im vorherigen Beitrag haben wir Pläne als Hypothesen beschrieben. Ein Plan formuliert einen vermuteten Weg zum Ziel. Durch Handeln, Beobachten und Auswerten prüfen wir, ob die zugrunde liegenden Annahmen tragen.
Damit stellt sich unmittelbar die nächste Frage:
Woran erkennen wir eigentlich, ob wir unserem Ziel näher kommen?
Bei manchen Vorhaben scheint die Antwort einfach. Wer zehn Kilometer laufen möchte, kann die zurückgelegte Strecke messen. Wer einen bestimmten Geldbetrag sparen will, kann den Kontostand prüfen. Wer ein Produkt bis zu einem festgelegten Termin liefern möchte, kann den Arbeitsstand mit dem Plan vergleichen.
Doch woran erkennen wir, ob sich die Zusammenarbeit in einem Team verbessert hat? Ob ein Training tatsächlich wirkt? Ob eine Organisation innovativer geworden ist? Ob wir gesünder, zufriedener oder selbstbestimmter leben?
Wir greifen dann auf beobachtbare Größen zurück, die für etwas stehen sollen, das sich nicht unmittelbar messen lässt. Aus Kundenzufriedenheit wird ein Befragungswert. Aus Zusammenarbeit wird die Zahl gemeinsamer Aktivitäten. Aus Gesundheit werden Laborwerte, Schritte oder ein Score auf der Smartwatch.
Solche Kennzahlen können hilfreich sein. Problematisch wird es, wenn wir vergessen, dass die Kennzahl nicht das Ziel selbst ist.
Eine Kennzahl bildet einen ausgewählten Aspekt der Wirklichkeit ab. Sie ist nicht die Wirklichkeit.
Ohne Rückmeldung keine Zielarbeit
Wer ein Ziel verfolgt, muss überprüfen, ob das eigene Handeln die erhoffte Wirkung erzeugt. Andernfalls können wir lange aktiv sein, ohne unserem Ziel näher zu kommen.
Kennzahlen helfen dabei,
- Entwicklungen über die Zeit zu erkennen,
- Abweichungen sichtbar zu machen,
- Annahmen zu überprüfen,
- Gespräche auf eine gemeinsame Grundlage zu stellen,
- Entscheidungen nachvollziehbarer zu machen.
Es wäre deshalb falsch, Messung grundsätzlich abzulehnen. Ohne geeignete Informationen bleiben wir leicht unseren Eindrücken, Erinnerungen und Interessen ausgeliefert. Zahlen können Wahrnehmungsverzerrungen etwas entgegensetzen.
Aber sie beseitigen sie nicht automatisch.
Denn auch Messung beruht auf Entscheidungen:
- Was wird beobachtet?
- Wie wird es definiert?
- Welche Daten werden erhoben?
- Was bleibt unberücksichtigt?
- Welche Vergleichsgröße wird verwendet?
- Wer interpretiert das Ergebnis?
- Welche Konsequenz soll daraus folgen?
Messung macht Entscheidungen nicht wertfrei. Sie verlagert einen Teil der Entscheidungen in die Auswahl und Konstruktion der Messgrößen.
Output, Outcome und Impact
Viele Ziele lassen sich nicht direkt beobachten. Deshalb verwenden wir Indikatoren als Stellvertreter.
Wenn wir die Qualität eines Trainings beurteilen wollen, könnten wir messen:
- wie viele Personen teilgenommen haben,
- wie viele das Training abgeschlossen haben,
- wie zufrieden sie unmittelbar danach waren,
- wie viel Wissen sie in einem Test zeigen,
- ob sie das Gelernte später anwenden,
- ob sich dadurch ihre Arbeit verbessert.
Alle diese Größen können relevant sein. Sie beantworten aber unterschiedliche Fragen.
Das OECD-DAC-Glossar zur Evaluation und wirkungsorientierten Steuerung unterscheidet zwischen Output, Outcome und Impact:
- Output bezeichnet die durch eine Maßnahme unmittelbar erzeugten Produkte, Leistungen oder Ergebnisse.
- Outcome bezeichnet die kurz- und mittelfristigen Wirkungen dieser Ergebnisse.
- Impact richtet den Blick auf übergeordnete, längerfristige positive oder negative Wirkungen, die unmittelbar oder mittelbar entstehen können.
Ein Training wurde durchgeführt. Das ist Output.
Die Teilnehmenden wenden eine Methode häufiger und kompetenter an. Das ist ein mögliches Outcome.
Die Qualität der Zusammenarbeit verbessert sich dadurch dauerhaft. Das wäre eine weitergehende Wirkung.
Je weiter wir uns vom unmittelbaren Ergebnis entfernen, desto schwieriger wird die eindeutige Zurechnung. Vielleicht wurde die Zusammenarbeit auch durch eine neue Führungskraft, ein verändertes Team oder günstigere Rahmenbedingungen verbessert.
Was leicht messbar ist, liegt häufig nah an unserer Aktivität. Was uns eigentlich interessiert, liegt oft weiter entfernt.
Deshalb berichten Organisationen gerne über durchgeführte Workshops, abgeschlossene Maßnahmen, erstellte Konzepte und erreichte Meilensteine. Diese Ergebnisse lassen sich vergleichsweise eindeutig zählen.
Ob sie das zugrunde liegende Problem lösen, ist wesentlich schwieriger zu bestimmen.
Der Reiz des Messbaren
Messbare Größen wirken klar.
Eine Lieferzeit von 3,7 Tagen, eine Zufriedenheit von 82 Prozent oder ein Projektfortschritt von 64 Prozent scheint genauer zu sein als die Aussage, die Lieferung funktioniere recht gut oder das Projekt sei auf einem vernünftigen Weg.
Doch Genauigkeit und Aussagekraft sind nicht dasselbe.
Die Lieferzeit kann exakt berechnet sein und trotzdem Qualitätsprobleme verdecken. Der Zufriedenheitswert kann auf einer ungeeigneten Befragung beruhen. Der Projektfortschritt kann aus erledigten Arbeitspaketen errechnet werden, obwohl die schwierigsten Aufgaben noch bevorstehen.
Auch eine Kennzahl mit zwei Nachkommastellen kann das Falsche sehr genau beschreiben.
Was gezählt werden kann, erscheint objektiv, vergleichbar und steuerbar. Was sich nur qualitativ beschreiben oder erst langfristig beurteilen lässt, wird leicht als weich oder nachrangig behandelt.
Dadurch kann sich die Zielarbeit verschieben:
- Statt Zusammenarbeit zu verbessern, erhöhen wir die Zahl gemeinsamer Meetings.
- Statt Lernen zu ermöglichen, steigern wir die Zahl absolvierter Trainings.
- Statt Gesundheit zu fördern, optimieren wir einzelne Messwerte.
- Statt Kundennutzen zu erzeugen, erhöhen wir die Zahl ausgelieferter Funktionen.
- Statt Sicherheit zu erhöhen, schließen wir möglichst viele dokumentierte Maßnahmen ab.
Die Kennzahl ist dann nicht mehr nur ein Hinweis auf das Ziel. Sie beginnt, das Ziel zu ersetzen.
Wenn die Kennzahl das Verhalten verändert
Charles Goodhart formulierte seine ursprüngliche Beobachtung 1975 im Zusammenhang mit geldpolitischer Steuerung. Die heute verbreitete Fassung lautet:
Wenn eine Messgröße zum Ziel wird, hört sie auf, eine gute Messgröße zu sein.
Diese Formulierung stammt nicht wörtlich von Goodhart, sondern wurde insbesondere durch Marilyn Stratherns Übertragung auf Bewertungs- und Auditsysteme bekannt.
Solange eine Kennzahl nur beobachtet wird, kann sie ein brauchbarer Hinweis auf eine Entwicklung sein. Sobald Anerkennung, Budget, Status oder persönliche Konsequenzen an sie gebunden werden, richten Menschen ihr Verhalten gezielt auf diese Größe aus.
Ein Servicebereich wird an geschlossenen Tickets gemessen. In der Folge werden Tickets möglichst schnell geschlossen – möglicherweise auch dann, wenn das Problem noch nicht dauerhaft gelöst ist.
Eine Schule wird an Testergebnissen gemessen. Der Unterricht konzentriert sich zunehmend auf die Testaufgaben.
Ein Vertrieb erhält Ziele für die Zahl abgeschlossener Verträge. Verträge werden geschlossen, obwohl sie langfristig wenig profitabel oder für die Kundschaft ungeeignet sind.
Menschen erfüllen nicht nur Ziele. Sie lernen, die Kriterien zu erfüllen, anhand derer Zielerreichung beurteilt wird.
Wendy Espeland und Michael Sauder beschreiben diesen Effekt als Reaktivität von Messungen. Anhand von Hochschulrankings zeigen sie, dass öffentliche Bewertungen die betrachtete Wirklichkeit nicht nur abbilden. Organisationen verändern ihre Entscheidungen und Strukturen, um im Ranking besser abzuschneiden.
Die Messung wird selbst zu einer Ursache des beobachteten Verhaltens.
Campbell’s Law: Je wichtiger die Kennzahl, desto größer der Druck
Donald Campbell formulierte eine verwandte Warnung: Je stärker ein quantitativer Indikator für Entscheidungen verwendet wird, desto stärker wird er dem Druck zur Verfälschung ausgesetzt. Gleichzeitig steigt die Gefahr, dass er gerade diejenigen Prozesse beschädigt, die er beobachten sollte.
Dabei muss es nicht um bewussten Betrug gehen. Anpassung kann subtil erfolgen:
- Fälle werden anders kategorisiert.
- Anspruchsvolle Aufgaben werden vermieden.
- Erhebungszeiträume werden günstig gewählt.
- Problematische Daten werden später erfasst.
- leicht erreichbare Zielgruppen werden bevorzugt,
- unerwünschte Nebenwirkungen bleiben undokumentiert.
Eine Kennzahl kann sich deshalb verbessern, weil sich die Wirklichkeit verbessert hat – oder weil sich der Umgang mit der Kennzahl verändert hat.
Je größer die Konsequenzen einer Messgröße, desto wichtiger wird die Frage:
Welches Verhalten lösen wir durch die Kennzahl und unsere Reaktion auf sie aus?
Die Wirkung roter Ampeln
Besonders deutlich wird diese Reaktivität bei Ampelberichten.
Ampeln sollen Komplexität reduzieren und Aufmerksamkeit lenken:
- Grün signalisiert: alles im vorgesehenen Bereich.
- Gelb signalisiert: Aufmerksamkeit erforderlich.
- Rot signalisiert: kritische Abweichung oder Handlungsbedarf.
Doch eine rote Ampel informiert nicht nur. Sie löst eine Reaktion aus.
Wenn das Management bei jedem roten Status automatisch in den Eskalationsmodus schaltet, entsteht ein starker Anreiz, Rot zu vermeiden. Dann wird länger gelb berichtet, Zielwerte werden angepasst oder Probleme werden so beschrieben, dass noch keine formale Eskalation ausgelöst wird.
In einem Projekt habe ich deshalb blaue Ampeln eingeführt. Blau bedeutete: Hier gibt es ein offenes Thema, das sichtbar sein und beobachtet werden muss, aber noch keinen automatischen Eskalationsfall darstellt.
Das war im Grunde ein Workaround für eine problematische Reaktion des Managements. Eigentlich sollte eine rote Ampel eine Information sein, keine Bestrafung.
Wenn das Melden eines Problems automatisch zum Problem für den Meldenden wird, verliert das Berichtssystem seine Glaubwürdigkeit.
Die Farbe selbst war nicht entscheidend. Entscheidend war, einen Raum zwischen „alles in Ordnung“ und „Eskalation“ zu schaffen. Offene Fragen sollten früh sichtbar werden können, bevor aus ihnen eine Krise entstand.
Das zeigt eine grundlegende Grenze von Ampelsystemen: Sie verdichten nicht nur Informationen, sondern codieren Erwartungen und Konsequenzen. Wer ihre Wirkung verstehen will, muss deshalb nicht nur auf die Definition der Farben schauen, sondern auf das Verhalten, das sie im Management auslösen.
Kennzahlen und Fehlerkultur
Damit berührt das Thema unmittelbar die Fehlerkultur.
Organisationen fordern Transparenz über Probleme, Abweichungen und Risiken. Gleichzeitig reagieren sie auf schlechte Nachrichten häufig mit Rechtfertigungsdruck, Schuldzuweisung oder Mikromanagement.
Dann entsteht ein widersprüchliches Signal:
Berichtet offen – aber sorgt dafür, dass eure Ampel grün bleibt.
Amy Edmondson beschreibt psychologische Sicherheit als eine Voraussetzung dafür, dass Menschen Fragen, Zweifel, Fehler und schlechte Nachrichten ansprechen können, ohne negative persönliche Folgen befürchten zu müssen.
Das bedeutet nicht, Fehler folgenlos zu lassen oder auf Verantwortung zu verzichten. Es bedeutet, zwischen einer problematischen Situation und der Person zu unterscheiden, die sie sichtbar macht.
Eine lernfähige Organisation braucht Berichte, die früh warnen. Dazu muss sie unterscheiden zwischen:
- einer schlechten Entwicklung,
- einer schlechten Entscheidung,
- einem vermeidbaren Fehler,
- einer verantwortbaren Annahme, die sich nicht bestätigt hat,
- und einer Person, die eine unerwünschte Information offenlegt.
Wenn diese Fälle reflexartig gleichbehandelt werden, werden Kennzahlen politisch. Sie zeigen dann weniger die Wirklichkeit als die Fähigkeit der Beteiligten, negative Aufmerksamkeit zu vermeiden.
Eine grüne Ampel kann Erfolg bedeuten. Sie kann aber auch bedeuten, dass niemand mehr bereit ist, Rot zu melden.
Fehlerkultur zeigt sich deshalb nicht in der Forderung nach Offenheit, sondern in der Reaktion auf die erste schlechte Nachricht.
Informationsgläubigkeit: Wenn die Menge Sicherheit verspricht
Hinter der Kennzahlenfixierung steht häufig eine umfassendere Vorstellung: Wenn wir nur genügend Informationen sammeln, könnten wir Unsicherheit zunehmend beseitigen und bessere Entscheidungen treffen.
Neue Daten können falsche Annahmen widerlegen und Risiken reduzieren. Doch mehr Informationen führen nicht automatisch zu mehr Erkenntnis.
Organisationen sammeln Daten, weil sie technisch verfügbar sind. Dashboards wachsen um weitere Anzeigen. Vor Entscheidungen werden zusätzliche Analysen angefordert. Nicht immer ist geklärt, welche konkrete Unsicherheit dadurch reduziert werden soll.
Dann wird Informationssammlung zur Ersatzhandlung.
Wir sammeln weiter, weil wir noch nicht entscheiden wollen – und nennen das Sorgfalt.
Mehr Daten können relevante Signale verdecken, Widersprüche erzeugen oder Scheingenauigkeit vermitteln. Entscheidungen verzögern sich, obwohl zusätzliche Informationen kaum noch etwas verändern.
Informationsgläubigkeit beginnt dort, wo nicht mehr gefragt wird, welche Information für welche Entscheidung relevant ist. Stattdessen gilt die Menge verfügbarer Daten bereits als Qualitätsmerkmal.
Dabei zeigen Daten nur, was erfasst wurde.
Wenn Beschäftigte aus Angst keine Sicherheitsvorfälle melden, enthält das System weniger Vorfälle. Wenn unzufriedene Kundinnen und Kunden nicht mehr antworten, kann die durchschnittliche Zufriedenheit der verbleibenden Befragten steigen.
Das Fehlen von Daten ist nicht dasselbe wie das Fehlen eines Problems.
Das Dashboard kann grüner werden, während sich die Wirklichkeit verschlechtert.
Kennzahlengläubigkeit: Wenn Zahlen zum besseren Wissen erklärt werden
Informationsgläubigkeit betrifft die Menge: Je mehr Daten vorliegen, desto besser, so die Annahme. Kennzahlengläubigkeit betrifft dagegen den Status dieser Daten: Was quantifiziert wurde, gilt als objektiver und belastbarer als qualitative Beobachtungen, Erfahrungen oder professionelles Urteil.
Doch bevor eine Zahl entsteht, müssen Entscheidungen getroffen werden:
- Was verstehen wir unter Erfolg?
- Welche Beobachtung gilt als Nachweis?
- Welche Fälle werden einbezogen?
- Wie werden unterschiedliche Aspekte gewichtet?
- Welcher Zielwert gilt als gut?
- Welche Abweichung ist akzeptabel?
Ein Zufriedenheitswert von 4,2 zeigt nicht mehr, welche Fragen gestellt wurden, wer geantwortet hat, wer nicht geantwortet hat und welche Unterschiede der Durchschnitt verdeckt.
Die Kennzahl kann methodisch sauber erhoben worden sein. Trotzdem bleibt sie eine konstruierte Darstellung.
Daten sind nicht die Wirklichkeit. Sie sind eine nach bestimmten Annahmen, Interessen und Möglichkeiten erzeugte Darstellung der Wirklichkeit.
Jerry Muller bezeichnet die übermäßige Fixierung auf standardisierte Messgrößen als Metric Fixation. Gemeint ist nicht die Verwendung von Kennzahlen an sich. Problematisch ist die Erwartung, professionelles Urteil durch Zahlen ersetzen, Leistungen vollständig transparent machen und gewünschtes Verhalten über Zielwerte und Anreize zuverlässig steuern zu können.
Die Alternative zur Kennzahlengläubigkeit ist allerdings nicht Bauchgefühlgläubigkeit. Auch Erfahrungen und professionelle Urteile können verzerrt oder interessengeleitet sein.
Es geht darum, Zahlen als wichtige Informationsquelle zu behandeln – nicht als Ersatz für Kontext, Diskussion und Urteilskraft.
Die Kontrollillusion des Dashboards
Michael Power beschreibt in The Audit Society, wie Prüf-, Nachweis- und Kontrollsysteme weit über die klassische Finanzprüfung hinausgewachsen sind. Organisationen investieren erhebliche Ressourcen, um nachweisbar zu machen, dass sie ihre Aufgaben ordnungsgemäß erfüllen.
Dabei kann sich die Aufmerksamkeit von der tatsächlichen Wirksamkeit zur Prüfbarkeit verschieben:
- Eine Maßnahme gilt als umgesetzt, weil der Nachweis vorliegt.
- Ein Risiko gilt als behandelt, weil ein Kontrollprozess dokumentiert wurde.
- Ein Training gilt als erfolgreich, weil alle Beschäftigten teilgenommen haben.
- Ein Projekt gilt als steuerbar, weil der Statusbericht vollständig ist.
Das Dashboard erzeugt den Eindruck, die Situation sei unter Kontrolle. Es zeigt jedoch nur diejenigen Ausschnitte, die in sein Modell aufgenommen wurden.
Transparenz über Kennzahlen ist nicht automatisch Transparenz über die Wirklichkeit.
Das Unbekannte besitzt keine Ampelfarbe.
Was eine brauchbare Kennzahl leisten sollte
Eine Kennzahl muss das Ziel nicht vollständig abbilden. Das kann sie meistens nicht. Sie sollte aber eine relevante Frage besser beantwortbar machen.
Dafür sollten vor ihrer Einführung einige Punkte geklärt werden:
- Welche Entscheidung soll die Kennzahl unterstützen?Wenn niemand sagen kann, was bei einem veränderten Wert anders entschieden wird, ist ihre Relevanz fraglich.
- Welchen Aspekt des Ziels bildet sie ab?Die Kennzahl darf nicht mit dem gesamten Ziel gleichgesetzt werden.
- Warum deutet ihre Veränderung auf Fortschritt hin?Der angenommene Zusammenhang sollte begründet und überprüfbar sein.
- Wie könnte sie das Verhalten verändern?Welche Anpassungen werden wahrscheinlich, sobald Konsequenzen an den Wert gebunden sind?
- Welche Nebenwirkungen bleiben unsichtbar?Was könnte sich verschlechtern, während sich die Kennzahl verbessert?
- Welche qualitativen Informationen brauchen wir zusätzlich?Zahlen zeigen häufig, dass sich etwas verändert hat. Sie erklären nicht automatisch, warum.
- Wie reagieren wir auf schlechte Werte?Fördert unsere Reaktion Offenheit und Lernen – oder Verbergen und Beschönigen?
- Ist der Messaufwand gerechtfertigt?Nicht jede mögliche Information ist ihren Erhebungs- und Pflegeaufwand wert.
Auch eine Kennzahl ist eine Hypothese: die Annahme, dass eine beobachtbare Größe etwas Entscheidendes über unser Ziel aussagt.
Fortschritt ist mehr als eine steigende Zahl
Zielarbeit braucht Informationen. Sie braucht aber keine Unterwerfung unter das Messbare.
Kennzahlen können Entwicklungen sichtbar machen, Annahmen prüfen und Entscheidungen verbessern. Sie können ebenso Aufmerksamkeit verengen, Verhalten verzerren und Scheinsicherheit erzeugen.
Deshalb sollten wir bei der Fortschrittsmessung drei Ebenen unterscheiden:
- Was wurde getan oder erstellt?
- Was hat sich dadurch verändert?
- Was bedeutet diese Veränderung für unser Ziel?
Die dritte Frage lässt sich nicht vollständig an eine Kennzahl delegieren. Sie verlangt Interpretation, Kontextwissen, Widerspruch und Urteilskraft.
Manchmal zeigen die Daten eine klare Entwicklung. Manchmal widersprechen unterschiedliche Informationen einander. Manchmal fehlen entscheidende Beobachtungen. Und manchmal wäre die weitere Informationssuche teurer als eine begrenzte, reversible Entscheidung.
Nicht alles, was wir wissen können, hilft uns bei der Entscheidung. Und nicht alles, was wir entscheiden müssen, lässt sich vorher wissen.
Wir sollten messen, was uns hilft, besser zu beobachten und zu lernen. Zahlen können uns aber die Verantwortung für Interpretation und Entscheidung nicht abnehmen.
Kennzahlen können Fortschritt anzeigen. Ob es der richtige Fortschritt ist, müssen weiterhin Menschen beurteilen.
Damit gelangen wir zur nächsten Folge:
Gute Entscheidungen brauchen nicht alle Informationen.
Literatur
Campbell, D. T. (1979): Assessing the Impact of Planned Social Change. Evaluation and Program Planning, 2(1), 67–90.
Edmondson, A. C. (1999): Psychological Safety and Learning Behavior in Work Teams. Administrative Science Quarterly, 44(2), 350–383.
Espeland, W. N. & Sauder, M. (2007): Rankings and Reactivity: How Public Measures Recreate Social Worlds. American Journal of Sociology, 113(1), 1–40.
Goodhart, C. A. E. (1975): Problems of Monetary Management: The U.K. Experience. In: Papers in Monetary Economics, Vol. 1. Reserve Bank of Australia.
Muller, J. Z. (2018): The Tyranny of Metrics. Princeton University Press.
OECD (2023): Glossary of Key Terms in Evaluation and Results-Based Management for Sustainable Development. 2. Auflage. OECD Publishing.
Power, M. (1997): The Audit Society: Rituals of Verification. Oxford University Press.
Strathern, M. (1997): “Improving Ratings”: Audit in the British University System. European Review, 5(3), 305–321.
KI-Hinweis
Dieser Beitrag entstand im Dialog mit KI. Ausgangspunkt, persönliche Einordnung und zentrale inhaltliche Entscheidungen stammen vom Autor. KI wurde zur Strukturierung, Rechercheunterstützung und Ausarbeitung genutzt. Die verwendeten Konzepte und Quellen wurden anschließend geprüft und in einen eigenen argumentativen Zusammenhang gebracht.
Tags: Genauigkeit, Kennzahl, Messung, Objektivität, Rückmeldung